論文の概要: Controllable Generation of Large-Scale 3D Urban Layouts with Semantic and Structural Guidance
- arxiv url: http://arxiv.org/abs/2509.23804v1
- Date: Sun, 28 Sep 2025 11:08:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:19.458106
- Title: Controllable Generation of Large-Scale 3D Urban Layouts with Semantic and Structural Guidance
- Title（参考訳）: 意味的・構造的誘導を考慮した大規模3次元都市レイアウトの制御可能生成
- Authors: Mengyuan Niu, Xinxin Zhuo, Ruizhe Wang, Yuyue Huang, Junyan Yang, Qiao Wang,
- Abstract要約: 大規模3次元ベクトル都市レイアウト生成のための制御可能なフレームワークを提案する。
幾何学的特徴や意味的属性,エッジ重み,建物の高さをグラフに埋め込むことで,本手法は2次元レイアウトをリアルな3次元構造に拡張する。
- 参考スコア（独自算出の注目度）: 7.298148118365382
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Urban modeling is essential for city planning, scene synthesis, and gaming. Existing image-based methods generate diverse layouts but often lack geometric continuity and scalability, while graph-based methods capture structural relations yet overlook parcel semantics. We present a controllable framework for large-scale 3D vector urban layout generation, conditioned on both geometry and semantics. By fusing geometric and semantic attributes, introducing edge weights, and embedding building height in the graph, our method extends 2D layouts to realistic 3D structures. It also enables users to directly control the output by modifying semantic attributes. Experiments show that it produces valid, large-scale urban models, offering an effective tool for data-driven planning and design.
- Abstract（参考訳）: 都市計画、シーン合成、ゲームには都市モデリングが不可欠である。
既存の画像ベースの手法は多様なレイアウトを生成するが、幾何学的な連続性やスケーラビリティは欠如していることが多い。
本稿では,大規模3次元ベクトル都市レイアウト生成のための制御可能なフレームワークを提案する。
幾何学的特徴と意味的属性を融合させ、エッジ重みを導入し、建物の高さをグラフに埋め込むことで、2次元レイアウトをリアルな3D構造に拡張する。
また、ユーザーはセマンティック属性を変更して出力を直接制御できる。
実験により、有効な大規模都市モデルを生成し、データ駆動型計画と設計のための効果的なツールを提供することが示された。
関連論文リスト
- GeoTexBuild: 3D Building Model Generation from Map Footprints [9.063404479629112]
GeoTexBuildは、サイト計画やマップデザインから派生したフットプリントから3Dビルディングモデルを作成するためのモジュラー・ジェネレーティブ・フレームワークである。
提案手法は高さマップ生成,幾何再構成,外観スタイライゼーションを含む3段階のプロセスを用いて,詳細な幾何学的特性と外観特性を持つ建築モデルで決定される。
論文 参考訳（メタデータ） (2025-04-11T10:23:55Z) - Shape from Semantics: 3D Shape Generation from Multi-View Semantics [30.969299308083723]
既存の3D再構成手法では, 3次元画像, 3次元点雲, 形状輪郭, 単一意味論などのガイダンスを用いて3次元表面を復元する。
図形や外観が、異なる視点から見ると、与えられたテキストの意味と一致した3Dモデルを作成することを目的として、新しい3Dモデリングタスク「Shape from Semantics'」を提案する。
論文 参考訳（メタデータ） (2025-02-01T07:51:59Z) - CityX: Controllable Procedural Content Generation for Unbounded 3D Cities [50.10101235281943]
現在の生成法は多様性、可制御性または忠実度に乏しい。
本研究では,高忠実度生成のための手続き的コンテンツ生成(PCG)技術を利用する。
我々は,OSM,セマンティックマップ,衛星画像などのマルチモーダル命令を実行可能なプログラムに変換するマルチエージェントフレームワークを開発した。
提案手法はCityXと呼ばれ,多種多様で制御可能でリアルな3D都市景観の創出において,その優位性を実証するものである。
論文 参考訳（メタデータ） (2024-07-24T18:05:13Z) - Urban Architect: Steerable 3D Urban Scene Generation with Layout Prior [43.14168074750301]
合成3Dレイアウト表現をテキストから3Dのパラダイムに導入し、さらに先行として機能する。
単純な幾何学的構造と明示的な配置関係を持つ意味的プリミティブの集合から構成される。
また,様々なシーン編集デモを行い,ステアブルな都市景観生成の力を示す。
論文 参考訳（メタデータ） (2024-04-10T06:41:30Z) - Urban Scene Diffusion through Semantic Occupancy Map [49.20779809250597]
UrbanDiffusionは、Bird's-Eye View (BEV)マップに条件付き3次元拡散モデルである。
我々のモデルは,潜在空間内のシーンレベルの構造の分布を学習する。
実世界の運転データセットをトレーニングした後、我々のモデルは多様な都市シーンを生成することができる。
論文 参考訳（メタデータ） (2024-03-18T11:54:35Z) - ConceptGraphs: Open-Vocabulary 3D Scene Graphs for Perception and
Planning [125.90002884194838]
ConceptGraphsはオープンな3Dシーン用のグラフ構造化表現である。
2Dファウンデーションモデルを活用し、マルチビューアソシエーションによってアウトプットを3Dに融合することで構築される。
我々は,この表現の有用性を,下流の計画タスクを通じて実証する。
論文 参考訳（メタデータ） (2023-09-28T17:53:38Z) - Building-GAN: Graph-Conditioned Architectural Volumetric Design
Generation [10.024367148266721]
本稿では,入力プログラムグラフに基づくボリュームデザイン生成について述べる。
密度の高い3次元ボクセルを出力する代わりに、ジオメトリを構築するためにコンパクトかつ表現性の高い新しい3次元表現であるボクセルグラフを提案する。
私たちのジェネレータは、入力プログラムグラフと出力ボキセルグラフを接続するためのポインタメカニズムを使用するクロスモーダルグラフニューラルネットワークであり、パイプライン全体が逆のフレームワークを使用して訓練されます。
論文 参考訳（メタデータ） (2021-04-27T16:49:34Z) - 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure
Prior [50.73148041205675]
セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。
低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。
提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
論文 参考訳（メタデータ） (2020-03-31T09:33:46Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。